Sufficient Reductions in Regressions With Exponential Family Inverse Predictors
指数族逆向预测变量回归中的充分降维AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用回归降维，分类预测变量的出现不足以支持离散选择领域分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
指数族逆向预测变量回归中的充分降维
- 研究问题
- 给定响应后预测变量服从多元指数族分布时，如何识别完整的充分降维结构，并容纳连续、分类或混合类型的预测变量？
- 方法与思路
- 作者建模预测变量给定响应的条件分布，推导最小充分降维，以迭代加权最小二乘计算最大似然估计，并构造维数渐近检验。
- 材料陈述的贡献
- 摘要称，方法不限于线性降维，提供穷尽充分信息的降维确切形式、最大似然估计及回归维数的渐近检验。
- 阅读关注点
- 核对指数族条件模型的限制、最小充分降维的具体含义、非线性结构的估计，以及维数检验和迭代算法所需条件。
- 阅读边界
- 摘要未说明指数族形式、模型误设影响及检验条件，不能推广到任意预测变量分布；OpenAlex 摘要版本未注明，无法核实刊本变化。
原文摘要
We develop methodology for identifying and estimating sufficient reductions in regressions with predictors that, given the response, follow a multivariate exponential family distribution. This setup includes regressions where predictors are all continuous, all categorical, or mixtures of categorical and continuous. We derive the minimal sufficient reduction of the predictors and its maximum likelihood estimator by modeling the conditional distribution of the predictors given the response. Whereas nearly all extant estimators of sufficient reductions are linear and only partly capture the sufficient reduction, our method is not limited to linear reductions. It also provides the exact form of the sufficient reduction, which is exhaustive, its maximum likelihood (ML) estimates via an iterated reweighted least-square (IRLS) estimation algorithm, and asymptotic tests for the dimension of the regression. Supplementary materials for this article are available online.